广告
曼弗雷德·奥珀,塞德里克·阿尔坎博;再论变分高斯近似。神经计算2009; 21 (3): 786–792. 数字对象标识:https://doi.org/10.1162/neco.2008.08-07-592
下载引文文件:
与分解分布的相应近似相比,多元高斯函数对后验分布的变分近似在机器学习社区中不太受欢迎。这有一个很好的理由:高斯近似通常受到待优化变分参数的数量,N个是随机变量的数量。在这封信中,我们讨论了拉普拉斯和变分近似之间的关系,并证明了对于具有高斯先验和因子分解可能性的模型,变分参数的个数实际上是将该方法应用于非高斯似然的高斯过程回归。
Captcha验证错误。请重试。
登录或创建帐户